RLTrader

RLTrader — предшественник TensorTrade

Разработка этой библиотеки замедлилась в пользу работы над TensorTrade — фреймворком для торговли с RL: https://github.com/notadamking/tensortrade

Если вы хотите узнать больше о том, как мы создали этого агента, прочтите статью на Medium: https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29.

Позже мы оптимизировали этот репозиторий, используя разработку функций, статистическое моделирование и байесовскую оптимизацию, посмотрите: https://towardsdatascience.com/using-reinforcement-learning-to-trade-bitcoin-for-massive-profit-b69d0e8f583b

Дискорд-сервер: https://discord.gg/ZZ7BGWh

Наборы данных: https://www.cryptodatadownload.com/data/northamerican/.

Начиная

Как узнать, есть ли у вас графический процессор nVIDIA?

Линукс:

sudo lspci | grep -i --color ' vga|3d|2d ' | grep -i nvidia

Если это что-то даст, то у вас должна быть карта nVIDIA.

Основное использование

Первое, что вам нужно сделать, чтобы начать, это установить требования. Если в вашей системе установлен графический процессор nVIDIA, вам следует начать с использования:

 cd " path-of-your-cloned-rl-trader-dir "
pip install -r requirements.txt

Дополнительная информация о том, как вы можете использовать преимущества своего графического процессора при использовании Docker: https://github.com/NVIDIA/nvidia-docker.

Если у вас другой тип графического процессора или вы просто хотите использовать свой процессор, используйте:

pip install -r requirements.no-gpu.txt

Обновите текущие статические файлы, которые используются по умолчанию:

 python ./cli.py update-static-data

После этого вы можете просто просмотреть доступные на данный момент параметры:

python ./cli.py --help

или просто запустите проект с параметрами по умолчанию:

python ./cli.py optimize

Если у вас есть стандартный набор конфигураций, с которыми вы хотите запустить трейдера, вы можете указать файл конфигурации для загрузки конфигурации. Переименуйте config/config.ini.dist в config/config.ini и запустите.

python ./cli.py --from-config config/config.ini optimize

python ./cli.py optimize

Тестирование с бродягой

Запустите бродячий ящик, используя:

vagrant up

Код будет расположен по адресу /vagrant. Играйте и/или тестируйте с любым пакетом, который вам нужен. Примечание. С vagrant вы не можете в полной мере использовать возможности своего графического процессора, поэтому это в основном для целей тестирования.

Тестирование с помощью докера

Если вы хотите запустить все в Docker-контейнере, просто используйте:

./run-with-docker (cpu | gpu) (yes | no) optimize

• cpu — запустить контейнер, используя требования к процессору
• gpu — запустить контейнер, используя требования графического процессора
• да | no — запускать или нет локальный контейнер postgres. Примечание. В случае использования в качестве второго аргумента «да» используйте

python ./ cli.py --params-db-path " postgres://rl_trader:rl_trader@localhost " optimize

База данных и ее данные локально хранятся в data/postgres .

Если вы хотите запустить тестовую среду докера:

./run-with-docker (cpu | gpu) (yes | no)

Если вы хотите запустить существующие тесты, просто используйте:

./run-tests-with-docker

Запустите локальную среду разработки докеров

./dev-with-docker

Установка Windows 10, установка CUDA не требуется.

conda create --name rltrader python=3.6.8 pip git conda active rltrader conda install tensorflow-gpu git clone https://github.com/notadamking/RLLTrader pip install -r RLTrader/requirements.txt

Оптимизация, обучение и тестирование

Хотя вы могли бы просто позволить агенту обучаться и работать с гиперпараметрами PPO2 по умолчанию, ваш агент, скорее всего, не будет очень прибыльным. Библиотека stable-baselines предоставляет отличный набор параметров по умолчанию, которые подходят для большинства проблемных областей, но нам нужно лучше.

Для этого вам нужно будет optimize.py .

python ./optimize.py

Это может занять некоторое время (от нескольких часов до нескольких дней в зависимости от настроек вашего оборудования), но со временем данные будут выведены на консоль по мере завершения пробных испытаний. После завершения пробного периода он будет сохранен в ./data/params.db , базе данных SQLite, из которой мы сможем извлечь гиперпараметры для обучения нашего агента.

После этого агенты будут обучены с использованием лучшего набора гиперпараметров, а затем протестированы на совершенно новых данных для проверки обобщения алгоритма.

Не стесняйтесь задавать любые вопросы в Discord!

Гугл Колаб

Введите и запустите следующий фрагмент в первой ячейке, чтобы загрузить RLTrader в среду Google Colab. Не забудьте установить аппаратное ускорение для графического процессора, чтобы ускорить обучение!

 !git init && git remote add origin https://github.com/notadamking/RLTrader.git && git pull origin master
!pip install -r requirements.txt

Общие способы устранения неполадок

Указанный модуль не найден.

Обычно это вызвано отсутствием модуля MPI. Вы должны установить его в соответствии с вашей платформой.

• Windows: https://docs.microsoft.com/en-us/message-passing-interface/microsoft-mpi.
• Linux/MacOS: https://www.mpich.org/downloads/

Содействие

Вклад приветствуется, и я всегда сделаю все возможное, чтобы внедрить его в библиотеку как можно скорее. Этот проект должен расти по мере роста сообщества вокруг него. Дайте мне знать, если есть что-то, что вы хотели бы увидеть в будущем, или есть что-то, чего, по вашему мнению, не хватает.

Работаете над своим первым запросом на включение? Вы можете узнать, как это сделать, из этой бесплатной серии статей «Как внести вклад в проект с открытым исходным кодом» на GitHub.

Поддерживать

Хотите выразить свою поддержку этому проекту и помочь ему развиваться?

Перейдите к фреймворку-преемнику: https://github.com/notadamking/tensortrade.

Сторонники:

• Ap9944
• УБИТЬ
• Некс